(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111315568.9 (22)申请日 2021.11.08 (71)申请人 中国人民解 放军国防科技大 学 地址 410003 湖南省长 沙市开福区德雅路 109号 (72)发明人 豆亚杰　陈子夷　徐向前　刘泽水　 鲁延京　谭跃进　杨克巍　姜江　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 代理人 曾志鹏 (51)Int.Cl. G06F 30/27(2020.01) G06N 5/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06F 111/04(2020.01) (54)发明名称 基于共建共享的装备组合方法、 系统、 设备 和存储介质 (57)摘要 本申请涉及一种基于共建共享的装备组合 方法、 系统、 设备和存储介质。 该方法包括： 从待 研发的装备集合中， 根据研发装 备的技术要求和 类型， 并根据备选研发单位和待接收装备单位的 数量， 构建共享共建组合模型； 针对所述共享共 建组合模型， 并根据 深度神经网络， 设计DNNB&BH 算法； 通过所述DNNB&BH算 法， 对所述共 享共建组 合模型进行统筹关联和计算， 获取所述共享共建 组合模型的可行解； 根据所述可行解， 获得装备 研发任务分配， 研发时间， 研发数量和装备组合 选择的具体方案。 与传统遗传算法和市面上广泛 应用的商业优化器相比有明显的速度优势； 可以 支撑决策者进行武器装备体系顶层规划 和决策。 权利要求书3页 说明书11页 附图3页 CN 114036837 A 2022.02.11 CN 114036837 A 1.一种基于共建共享的装备组合方法， 其特 征在于， 所述方法包括： 从待研发的装备集合中， 根据研发装备的技术要求和类型， 并根据备选研发单位和待 接收装备 单位的数量， 构建共享共建组合模型； 针对所述共享共建组合模型， 并根据深度神经网络， 设计DN NB&BH算法； 通过所述DNNB&BH算法， 对所述共享共建组合模型进行统筹关联和计算， 获取所述共享 共建组合模型的可 行解； 根据所述可行解， 获得装备研发任务分配， 研发时间， 研发数量和装备组合选择的具体 方案。 2.根据权利要求1所述的基于共建共享的装备组合方法， 其特征在于， 所述从待研发的 装备集合中， 根据研发装备 的技术要求和类型， 并根据备选研发单位和待接 收装备单位的 数量， 构建共享共建组合模型， 包括： 根据装备发展规划， 以共建策略为驱动， 从待研发的装备集合中， 选择若干项装备进行 研发工作； 以均衡满足不同的能力需求为依据， 从备选研发单位中选取若干研发单位分别承担不 同的研发任务， 并根据装备研发的技 术要求分配装备研发类型； 根据装备协同要求， 研发经费预算， 装备幅度数量的增加对能力提升幅度的约束为依 据， 以共享策略为驱动， 设计 基于研发时间， 研发经费和能力冗余的共享共建组合模型。 3.根据权利要求1所述的基于共建共享的装备组合方法， 其特征在于， 所述通过所述 DNNB&BH算法， 对 所述共享共建组合模 型进行统筹关联和计算， 获取所述共享共建组合模 型 的可行解， 包括： 采用DNNB&BH算法借助概率优先的决策方式和树搜索的探索方式， 对于多阶段装备规 划问题进行综合 考虑和同步 求解优化； 采用深度神经网络的内在结构和可学习机理， 获取装备组合方案的本身关联性， 利用 可学习的神经网络模型来辅助求 解过程， 将人为因素反映到求 解过程中； 通过分支决策加快求解中逼近最优解的速度， 并通过定界决策修剪掉多余的分支， 缩 小了解空间规模， 获取 所述共享共建组合模型的可 行解。 4.根据权利要求3所述的基于共建共享的装备组合方法， 其特征在于， 所述通过所述 DNNB&BH算法， 对 所述共享共建组合模 型进行统筹关联和计算， 获取所述共享共建组合模 型 的可行解， 包括： 根据所述共享共建组合模型 给定的可 行解， 获取不同变化策略下的邻域 解集合； 将所述邻域解集合的解决方案矩阵输入到各自的分支决策深度神经网络模型， 获取通 过邻域变化转化为最优解决方案可能性的概率， 将邻域变化所得集合中概率最高的结果作 为邻域结构分支的子节点； 将所述子节点再次输入给定界决策深度神经网络模型， 确定是否保留该子节点对应的 分支， 并确定是否则修剪掉所述子节点对应的分支； 当达到停止要求， 选择共建策略下搜索树中子节点中对应概率最高的一个， 将其作为 共建策略下 的当前解， 同时选择共享策略下搜索树中对应的子节点， 将其作为共享策略下 的当前解。 5.一种基于共建共享的装备组合系统， 其特 征在于， 包括：权　利　要　求　书 1/3 页 2 CN 114036837 A 2共享共建模块， 用于从待研发的装备集合中， 根据研发装备的技术要求和类型， 并根据 备选研发单位和待接收装备 单位的数量， 构建共享共建组合模型； 算法构建模块， 用于针对所述共享共建组合模型， 并根据深度神经网络， 设计DNNB&BH 算法； 模型求解模块， 用于通过所述DNNB&BH算法， 对所述共享共建组合模型进行统筹关联和 计算， 获取 所述共享共建组合模型的可 行解； 装备组合模块， 用于根据所述可行解， 获得装备研发任务分配， 研发时间， 研发数量和 装备组合选择的具体方案 。 6.根据权利要求5所述的基于共建共享的装备组合系统， 其特征在于， 所述共享共建模 块包括装备规划单 元， 所述装备规划单 元用于： 根据装备发展规划， 以共建策略为驱动， 从待研发的装备集合中， 选择若干项装备进行 研发工作； 以均衡满足不同的能力需求为依据， 从备选研发单位中选取若干研发单位分别承担不 同的研发任务， 并根据装备研发的技 术要求分配装备研发类型； 根据装备协同要求， 研发经费预算， 装备幅度数量的增加对能力提升幅度的约束为依 据， 以共享策略为驱动， 设计 基于研发时间， 研发经费和能力冗余的共享共建组合模型。 7.根据权利要求5所述的基于共建共享的装备组合系统， 其特征在于， 所述模型求解模 块包括神经网路辅助单 元， 所述神经网路辅助单 元用于： 采用DNNB&BH算法借助概率优先的决策方式和树搜索的探索方式， 对于多阶段装备规 划问题进行综合 考虑和同步 求解优化； 采用深度神经网络的内在结构和可学习机理， 获取装备组合方案的本身关联性， 利用 可学习的神经网络模型来辅助求 解过程， 将人为因素反映到求 解过程中； 通过分支决策加快求解中逼近最优解的速度， 并通过定界决策修剪掉多余的分支， 缩 小了解空间规模， 获取 所述共享共建组合模型的可 行解。 8.根据权利要求5所述的基于共建共享的装备组合系统， 其特征在于， 所述模型求解模 块包括分支定界单 元， 所述分支定界单 元用于： 根据所述共享共建组合模型 给定的可 行解， 获取不同变化策略下的邻域 解集合； 将所述邻域解集合的解决方案矩阵输入到各自的分支决策深度神经网络模型， 获取通 过邻域变化转化为最优解决方案可能性的概率， 将邻域变化所得集合中概率最高的结果作 为邻域结构分支的子节点； 将所述子节点再次输入给定界决策深度神经网络模型， 确定是否保留该子节点对应的 分支， 并确定是否则修剪掉所述子节点对应的分支； 当达到停止要求， 选择共建策略下搜索树中子节点中对应概率最高的一个， 将其作为 共建策略下 的当前解， 同时选择共享策略下搜索树中对应的子节点， 将其作为共享策略下 的当前解。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至4中任一项所 述方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序权　利　要　求　书 2/3 页 3 CN 114036837 A 3